Wie eine KI-Fußballprognose entsteht

Schritt 1: Daten sammeln

Jede Prognose beginnt mit Rohdaten aus einer externen Quelle. Welche Quelle das ist, hängt von der Liga ab – die drei abgedeckten Wettbewerbe werden von unterschiedlichen Anbietern versorgt.

Abgerufen wird für beide Mannschaften derselbe Satz an Kennzahlen: der aktuelle Tabellenplatz, die erreichten Punkte, die erzielten und kassierten Tore, die Ergebnisse der letzten fünf Spiele als Formkurve sowie die direkten Vergleiche der Vergangenheit. Dazu kommen bekannte Ausfälle, soweit die Quelle sie meldet.

Schritt 2: Den Prompt bauen

Die Rohdaten werden in eine feste Textvorlage eingesetzt. Diese Vorlage besteht aus zwei Teilen: einer Rollenbeschreibung, die für alle Anfragen identisch ist, und dem eigentlichen Spielkontext mit den Zahlen der Partie.

Der letzte Satz ist wichtiger, als er aussieht. Ohne diese Aufforderung neigen Sprachmodelle dazu, Sicherheit zu behaupten, wo keine ist. Die Bewertung der Konfidenz – ein eigener Teil des Metrik-Frameworks – wäre ohne diese Anweisung wertlos, weil alle Modelle durchgehend hohe Werte angeben würden.

Entscheidend ist außerdem: Alle vier Modelle erhalten exakt denselben Text. Kein Modell bekommt einen Hinweis, den ein anderes nicht hat. Nur so lässt sich später sagen, dass ein Unterschied im Ergebnis am Modell liegt und nicht an der Fragestellung.

Schritt 3: Die vier Modelle parallel befragen

Die Anfragen gehen gleichzeitig an die vier Anbieter. Jedes Modell arbeitet für sich, ohne die Antworten der anderen zu kennen. Das ist keine technische Nebensache, sondern die Grundlage des Vergleichs: Sobald ein Modell die Einschätzung eines anderen sähe, würde es sich daran orientieren, und die vier Prognosen wären keine vier unabhängigen Urteile mehr.

Jedes Modell antwortet in einem festen Format. Gefordert sind vier Dinge:

1. Ein konkretes Ergebnis mit Toranzahl für beide Mannschaften – kein „Heimsieg wahrscheinlich“, sondern etwa 2:1.
2. Eine Konfidenz als Wert zwischen 0 und 1, bezogen ausdrücklich auf die Tendenz (Heimsieg, Unentschieden, Auswärtssieg), nicht auf das exakte Ergebnis.
3. Eine Begründung im Fließtext, die die Einschätzung nachvollziehbar macht.
4. Strukturierte Schlüsselfaktoren – Heimvorteil, Form, direkter Vergleich, Ausfälle und der aus Sicht des Modells entscheidende Punkt.

Der letzte Punkt ist der Grund, warum die Begründungen später überprüfbar sind. Ein reiner Fließtext ließe sich nicht automatisch gegen das Ergebnis halten. Die strukturierten Faktoren schon.

Schritt 4: Das KI-Gremium

Nach den vier Einzelprognosen folgt ein dreistufiger Prozess, der daraus eine gemeinsame Endprognose formt. Die Einzelprognosen werden anonymisiert und den Modellen gegenseitig zur Bewertung vorgelegt. Jedes Modell bringt die fremden Prognosen in eine Rangfolge, ohne zu wissen, welche von wem stammt – und ohne die eigene zu erkennen. Aus diesen Rangfolgen entsteht ein Gesamtranking, aus dem ein Modell als Vorsitzender die Endprognose formuliert.

Wie dieser Prozess im Einzelnen funktioniert und warum die Anonymisierung dabei entscheidend ist, steht im Artikel über das KI-Gremium.

Schritt 5: Veröffentlichen und später auswerten

Alle vier Einzelprognosen und die Gremiums-Prognose erscheinen gemeinsam auf der Spieltag-Seite, jeweils mit Zeitstempel. Der Zeitstempel ist Teil der Transparenz: Er belegt, dass die Prognose vor dem Anpfiff entstanden ist und nicht nachträglich angepasst wurde.

Nach Abpfiff werden die Ergebnisse automatisch nachgetragen und jede Prognose bewertet – nach dem Ergebnis, nach der Ehrlichkeit der Konfidenz und danach, ob die genannten Faktoren tatsächlich eingetreten sind. Diese Bewertung ist der Kern des Metrik-Frameworks.

Wann das passiert

Die Prognosen werden vor dem Spieltag erzeugt und danach mehrfach aktualisiert, damit kurzfristige Informationen wie Ausfälle noch einfließen. Die Aktualisierungen laufen montags, donnerstags und freitags. Endergebnisse werden nach Spielende automatisch nachgezogen.

Was der Ablauf bewusst nicht leistet

Die Modelle bekommen Tabellendaten, Formkurven und Statistik. Sie bekommen keine Aufstellungen, keine Trainingsberichte, keine Wettquoten und keine Informationen aus dem Umfeld der Vereine. Eine Prognose, die hier entsteht, ist eine Auswertung öffentlich verfügbarer Zahlen – nicht mehr und nicht weniger.

Das ist eine bewusste Entscheidung. Würden Wettquoten in den Prompt einfließen, wären die Modelle vor allem gut darin, den Buchmacher nachzuahmen. Der Vergleich der Modelle untereinander wäre damit erledigt.